Communitygithub.com

OneWave-AI/claude-skills

Auditar uma base de código em busca de chamadas de LLM que são, na verdade, classificações disfarçadas e, em seguida, produzir um plano de substituição com custos para um modelo System One. Use quando for solicitado a reduzir o custo ou a latência de inferência de IA, ao definir o escopo de um engajamento de desempenho para um cliente, ao revisar um loop de agente que parece lento, ou quando perguntarem 'onde poderíamos usar Jev aqui'. Produz uma tabela classificada de candidatos com deltas de latência e custo medidos.

O que é claude-skills?

Este skill realiza uma auditoria de custos de inferência em uma base de código, identificando chamadas de LLM que retornam apenas um rótulo (como uma categoria, sim/não, rota) em vez de texto livre. Essas chamadas pagam por geração autorregressiva que não utilizam, tornando-as candidatas ideais para substituição por um modelo System One mais leve e barato, como o Jev. O skill busca por padrões de chamadas de LLM (ex: `messages.create`, `chat.completions`) e filtra aquelas onde a saída é parseada (ex: JSON.parse, regex, enum lookup) e não é exibida para o usuário. Em seguida, ele orienta a medição de latência, custo e volume atuais, e propõe a substituição com base em uma tabela de referência de custo e latência (incluindo Jev, Von local e Claude Haiku). O resultado final é uma tabela classificada de candidatos com recomendações 'go/no-go', focando em economia mensal total e maior ganho de latência. O skill suporta qualquer base de código com chamadas de LLM e é vendido como um engajamento OneWave repetível, semelhante ao `marketing-brain`. Ele depende dos skills `jev-eval` (para medições de acurácia) e `jev-integrate` (para implementação).

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/OneWave-AI/claude-skills/tree/HEAD/jev-audit

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Auditoria de custo de inferência

A maioria das chamadas de LLM em produção retorna um rótulo, não prosa — uma rota, uma pontuação, um sim/não, uma categoria. Essas chamadas pagam por geração autorregressiva que elas não utilizam. Esta auditoria as encontra e precifica a substituição.

Entregável: uma tabela classificada de candidatos com deltas medidos. Vendável como um engajamento OneWave; mesma forma que marketing-brain — uma auditoria repetível executada por cliente.

1. Encontrar os candidatos

Procure por chamadas de LLM e filtre aquelas cuja saída é um rótulo:

grep -rnE "messages\.create|chat\.completions|generateText|\.invoke\(|anthropic\.|openai\." \
  --include=*.{ts,tsx,js,py} . | grep -v node_modules

Uma chamada é candidata quando todas as condições a seguir são verdadeiras:

  • o prompt pede uma de um conjunto conhecido e finito de respostas (≤255)
  • o chamador interpreta a resposta — JSON.parse, uma regex, uma busca em enum, .trim()
  • nada downstream mostra o raciocínio do modelo a um humano
  • é executada com frequência, ou um usuário aguarda por ela

Sinais fortes no texto do prompt: "responda apenas com", "retorne JSON", "classifique", "escolha um de", "avalie de 1 a", "responda sim ou não", "não explique".

Desqualificadores: a saída é mostrada a um usuário, é usada como conteúdo, precisa de citação ou justificativa, ou o conjunto de respostas é aberto.

2. Medir quanto custa hoje

Não estime. Instrumente:

  • chamadas/dia — de logs ou um contador, não um palpite
  • latência p50 e p95 — p95 é o que os usuários sentem
  • tokens entrada/saída por chamada → $/1k chamadas atual ao preço de tabela do provedor
  • algo está bloqueado nela — um usuário, uma renderização de página, o próximo passo de um agente

3. Precificar a substituição

Compare com um conjunto rotulado do tráfego real dessa chamada (veja jev-eval). Nunca projete a partir de um benchmark de fornecedor.

Números de referência, medidos em registros reais, 4 perguntas por registro:

latênciacusto/1kacurácia
Jev hospedado399 ms$0.023igualou Claude em um conjunto de 15 registros
Von local174 ms$0.00igualou apenas com critérios bem escritos
Claude Haiku 4.52.322 ms~$0.55linha de base

Precificação Jev: $0,042/MTok entrada, saída gratuita.

4. Classificar por retorno, não por facilidade

Classifique cada candidato por:

  1. volume × economia unitária — o valor em dólares real
  2. um humano está esperando — ganhos de latência valem mais que ganhos de custo em caminhos voltados ao usuário
  3. raio de explosão se errar — um ticket de suporte mal encaminhado é barato; uma transação mal pontuada não é
  4. delta de acurácia no conjunto rotulado — qualquer coisa abaixo da paridade precisa de uma porta de confiança, e uma porta tem seu próprio custo

Elimine qualquer coisa onde o volume é baixo. Com algumas centenas de chamadas por dia a economia é próxima de zero e você adicionou um fornecedor.

5. Escrever o relatório

Por candidato: arquivo e linha, o que ele decide, chamadas/dia, latência e custo atuais, latência e custo projetados, delta de acurácia medido, porta de confiança recomendada, e um vai / não vai com o motivo.

Lidere o resumo com a economia mensal projetada total e o maior ganho de latência individual.

Sempre inclua as limitações: tamanho do conjunto de avaliação, que o Jev está em acesso antecipado sem SLA, e que um fallback para a chamada existente deve permanecer conectado.

Onde isso compensa na stack OneWave

  • Roteamento de widget Sage — construa. Um visitante está observando; 400 ms vs 2,3 s é toda a diferença.
  • Fluxo de visitantes RB2B — construa. O único fluxo com volume onde 24x mais barato se acumula.
  • Classificação de leads de entrada — meça primeiro. Correto, mas algumas dezenas de leads por dia.
  • Vigilante de leads — deixe como está. Cron noturno, nada depende dele.

Relacionados

jev-eval produz os números de acurácia dos quais esta auditoria depende. jev-integrate é o fluxo de trabalho de conexão para qualquer coisa que receba um 'vai'.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

OneWave-AI/claude-skills

Deploy a 2-layer parallel agent hierarchy for large, parallelizable work — big refactors, multi-file migrations, codebase-wide audits, bulk generation. A top-tier commander (Fable or Opus) orchestrates the swarms; the user picks a power level (Max Power / Heavy / Balanced / Economy) that sets the Opus/Sonnet/Haiku model mix per layer. Layer 1 is 3-50+ specialist agents, each with its own full context window; Layer 2 is 2+ sub-agents per member. Includes git safety, tiered sizing, a pre-deploy gate, phantom-completion checks, and multi-wave follow-up.

OneWave-AI/claude-skills

Generate animated videos and motion graphics from natural language descriptions. Creates a standalone Vite + React project with Framer Motion scenes that auto-play in the browser. Use when the user wants to create animations, motion graphics, video intros, animated presentations, or product demos.

OneWave-AI/claude-skills

Use before starting a product, feature, MVP, agent, automation, or integration build to identify the main pre-build risk and choose the smallest validation step. Trigger when the user asks whether to build, scope, validate, prioritize, or sanity-check an idea before implementation.

OneWave-AI/claude-skills

Post-mortem analysis when a client churns. Takes client history, engagement data, support tickets, usage logs, and exit feedback to produce a comprehensive churn autopsy with root cause classification, timeline of decline, and preventive measures.

OneWave-AI/claude-skills

Compose a premium, animated landing page section by section in Next.js + Tailwind + Motion (Framer Motion) — built on a real design system, with editorial copy and motion that feels human-crafted, not template-generated. Use when building or rebuilding a landing page, marketing site, or hero/feature/pricing/CTA sections that need to look production-ready and bespoke from day one.

OneWave-AI/claude-skills

Assemble 2-3 complementary experts to collaboratively analyze anything. Experts work together to explore topics from multiple expert angles.

OneWave-AI/claude-skills

Convert any topic into playable browser games. Types: trivia, matching, word puzzles, adventure games. Uses Phaser.js or Kaboom.js.

OneWave-AI/claude-skills

Turn a marketing brief or product offer into a finished short-form video ad built in HyperFrames — hook, script, shot-by-shot storyboard, scene-by-scene HTML composition, captions, and voiceover. Outputs platform cuts (vertical 9:16, square, 16:9). Use when you need a launch ad, product promo, social video, or paid-creative concept ready to render.

OneWave-AI/claude-skills

Turn a website URL, product docs, or a founder's rambling description into a tight 60-90 second explainer video built in HyperFrames -- problem/solution narrative, animated product walkthrough scenes, captions, and voiceover, ready for the homepage hero, sales emails, and onboarding.

OneWave-AI/claude-skills

Build promo videos for local businesses in HyperFrames -- the new-menu drop, the seasonal offer, the event announcement, the "we're hiring" post, the Google Business Profile clip. Restaurant, salon, gym, trades: 15-30 seconds, brand-clean, captioned, sized for Instagram, Facebook, and the profile.

OneWave-AI/claude-skills

Build a personalized product-demo or sales-walkthrough video in HyperFrames for a specific prospect or account — narrated screen-by-screen, branded to them, ending in a clear next step. Turns a generic demo into a "this was made for me" asset for outbound, follow-up, or deal acceleration. Use when you want to send a tailored video instead of booking another live call.

OneWave-AI/claude-skills

Turn real customer reviews, quotes, and case-study results into polished social-proof videos built in HyperFrames -- single-testimonial spotlights, review-wall montages, and stat-driven proof reels with captions and voiceover, cut for vertical, square, and wide. The highest-converting content most businesses never make.

OneWave-AI/claude-skills

Build and run a labelled eval set for a System One model (Jev, Von, or any typed-decision config), then sweep criteria wordings and thresholds against it. Use when a Jev/Von classification is wrong or unreliable, when choosing between the hosted API and a local open model, when tuning noul thresholds, or before shipping any typed-decision feature. Produces an accuracy-by-wording matrix and a calibrated threshold.

OneWave-AI/claude-skills

Wire a System One model (Jev, or an open reproduction like Von) into a product feature — routing, guardrails, scoring, classification. Use when replacing an LLM call that returns a label rather than prose, when adding a typed decision to an agent loop, or when deciding between the hosted Jev API and a local open model. Covers question design, the eval-set-first workflow, threshold calibration, confidence gates, and the traps measured on real data.

OneWave-AI/claude-skills

Optimize landing pages for conversions, performance, and SEO. Use when improving landing pages, increasing conversions, or optimizing page performance.

OneWave-AI/claude-skills

TAM/SAM/SOM calculator with deep market research. Produces comprehensive market-sizing.md with top-down and bottom-up estimates, methodology, data sources, assumptions, sensitivity ranges, growth projections, competitive landscape, and Mermaid visualizations. Use when user needs market size estimates, addressable market analysis, go-to-market sizing, investor-ready market analysis, or business plan market validation.

OneWave-AI/claude-skills

Generate unique personalized first lines for hundreds of prospects using company news, LinkedIn activity, and mutual connections. Saves 10+ hours of manual research per campaign. Use when you need personalized outreach at volume.

OneWave-AI/claude-skills

Review investment portfolios for risk, diversification, fees. Asset allocation recommendations, tax-loss harvesting, rebalancing.

OneWave-AI/claude-skills

Create multiple choice, true/false, fill-in-blank, matching quizzes. Auto-generate plausible distractors. Instant grading with explanations.

OneWave-AI/claude-skills

Enhanced skill navigator that maps conversation history, recommends multi-skill chains, identifies patterns from past usage, and learns from session outcomes. Goes beyond basic scout with deep context analysis and workflow orchestration.

Habilidades Relacionadas